初めに
先週に引き続き,何もできない週末が続いている( https://ubuntu.com/security/CVE-2026-98432 ).何か勉強できないか.
GCI(Grid Convergence Index)の文脈でRichardson補外というものを聞いたことがある.いつか必要になるかもしれないと思い,メモを書くことにした.
早瀬2002を参考にしている.
Richardson補外
ある数値解$f$が得られていて,これが厳密解$F$($F = f (0)$と考える)周りで解像度$h$についてTaylor展開可能であるとする.
\begin{align}
f (h)
&= F + g_1 (0) h + g_2 (0) h^2 + g_3 (0) h^3 + \cdots
\end{align}
いま,解像度$h_1$で作成した数値解$f_1$と,解像度$h_2 (= r h_1, r \in (0, 1))$で作成した数値解$f_2$を用意すると,
\begin{align}
f_1 - F
&= g_1 (0) h_1 + g_2 (0) h_1^2 + g_3 (0) h_1^3 + \cdots
\\
f_2 - F
&= g_1 (0) h_2 + g_2 (0) h_2^2 + g_3 (0) h_2^3 + \cdots
\end{align}
であると言える.
===独り言ここから===
「数値解$f$が厳密解$F$周りで解像度$h$についてTaylor展開可能である」なんて言って良いのだろうか?...と考えていたら,漸近展開という概念があり,これはTaylor展開より仮定が少ない概念だそうである.数値解のTaylor展開と発言するのは怖いので,解像度$h$について漸近的な挙動をする漸近展開である,と考えた方が適切かもしれない.ただし,漸近展開を十分に理解していないこと,上記の「Taylor展開」を「漸近展開」に置き換えても考え方の方針は変わらないことから,上記のままとした.
===独り言ここまで===
2次精度の場合
もし,現在の数値スキームが2次精度であるならば,打ち切り誤差は$\mathcal{O} (h^2)$であるから,
\begin{align}
f_1 - F
&= g_2 (0) h_1^2 + g_3 (0) h_1^3 + \cdots
\\
f_2 - F
&= g_2 (0) h_2^2 + g_3 (0) h_2^3 + \cdots
\end{align}
より,$g_2$の項を除去し,
\begin{align}
f_1 - F
&= g_2 (0) h_1^2 + g_3 (0) h_1^3 + \cdots
\\
\left( f_2 - F \right) \frac{h_1^2}{h_2^2}
&= g_2 (0) h_1^2 + g_3 (0) h_1^2 h_2 + \cdots
\end{align}
から,
\begin{align}
(f_1 - F)
- \left( f_2 - F \right) \frac{h_1^2}{h_2^2}
&\simeq g_3 (0) (h_1^3 - h_1^2 h_2)
\\
\left( f_1 - f_2 \frac{h_1^2}{h_2^2} \right)
+ \left( \frac{h_1^2}{h_2^2} - 1 \right) F
&= g_3 (0) (h_1^3 - h_1^2 h_2)
\\
\left( \frac{h_1^2 - h_2^2}{h_2^2} \right) F
&= \left( f_2 \frac{h_1^2}{h_2^2} - f_1 \right)
+ g_3 (0) (h_1^3 - h_1^2 h_2)
\\
F
&= \frac{f_2 h_1^2 - f_1 h_2^2}{h_1^2 - h_2^2}
+ g_3 (0) \frac{h_2^2}{h_1^2 - h_2^2} (h_1^3 - h_1^2 h_2)
\end{align}
$h_2 = r h_1$を思い出せば,
\begin{align}
F
&= \frac{f_2 h_1^2 - f_1 h_2^2}{h_1^2 - h_2^2}
+ g_3 (0) \frac{h_2^2}{h_1^2 - h_2^2} (h_1^3 - h_1^2 h_2)
\\
&= \frac{f_2 - f_1 r^2}{1 - r^2}
+ g_3 (0) \frac{r^2}{1 - r^2} (1 - r) h_1^3
\\
&= \frac{f_2}{1 - r^2} - \frac{f_1 r^2 + f_1 - f_1}{1 - r^2}
+ g_3 (0) \frac{r^2}{1 - r^2} (1 - r) h_1^3
\\
&= \frac{f_2}{1 - r^2} - \frac{f_1 - (1 - r^2) f_1}{1 - r^2}
+ g_3 (0) \frac{r^2}{1 - r^2} (1 - r) h_1^3
\\
&= f_1 + \frac{f_2 - f_1}{1 - r^2}
+ g_3 (0) \frac{r^2}{1 - r^2} (1 - r) h_1^3
\\
&= f_1 + \frac{f_1 - f_2}{r^2 - 1}
+ g_3 (0) \frac{r^2}{1 - r^2} (1 - r) h_1^3
\end{align}
であるから,
\begin{align}
F
&= f_1 + \frac{f_1 - f_2}{r^2 - 1}
+ \mathcal{O} (h_1^3)
\end{align}
により,厳密解を推定することができる.
p次精度の場合
数値スキームが$p$次精度ならば,打ち切り誤差は$\mathcal{O} (h^p)$であるので,
\begin{align}
f (h_1) - F
&= g_p h_1^p + g_{p+1} h_1^{p+1} + \cdots
\\
f (h_2) - F
&= g_p h_2^p + g_{p+1} h_2^{p+1} + \cdots
\end{align}
において,$g_p$を除去し,
\begin{align}
f (h_1) - F
&= g_p h_1^p + g_{p+1} h_1^{p+1} + \cdots
\\
\left( f (h_2) - F \right) \frac{h_1^p}{h_2^p}
&= g_p h_1^p + g_{p+1} h_1^p h_2 + \cdots
\end{align}
から,
\begin{align}
\left( f (h_1) - F \right)
- \left( f (h_2) - F \right) \frac{h_1^p}{h_2^p}
&\simeq g_{p+1} \left( h_1^{p+1} - h_1^p h_2 \right)
\\
\left( f (h_1) - f (h_2) \frac{h_1^p}{h_2^p} \right)
+ \left( \frac{h_1^p}{h_2^p} - 1 \right) F
&= g_{p+1} \left( h_1^{p+1} - h_1^p h_2 \right)
\\
\left( \frac{h_1^p}{h_2^p} - 1 \right) F
&= \left( f (h_2) \frac{h_1^p}{h_2^p} - f (h_1) \right)
+ g_{p+1} \left( h_1^{p+1} - h_1^p h_2 \right)
\\
\left( \frac{h_1^p - h_2^p}{h_2^p} \right) F
&= \left( f (h_2) \frac{h_1^p}{h_2^p} - f (h_1) \right)
+ g_{p+1} \left( h_1^{p+1} - h_1^p h_2 \right)
\\
F
&= \frac{f (h_2) h_1^p - f (h_1) h_2^p}{h_1^p - h_2^p}
+ g_{p+1} \frac{h_2^p}{h_1^p - h_2^p} \left( h_1^{p+1} - h_1^p h_2 \right)
\end{align}
ここで,$h_2 = r h_1 (r \in (0, 1))$より,
\begin{align}
F
&= \frac{f (h_2) h_1^p - f (h_1) (r h_1)^p}{h_1^p - (r h_1)^p}
+ g_{p+1} \frac{(r h_1)^p}{h_1^p - (r h_1)^p} \left( h_1^{p+1} - h_1^p (r h_1) \right)
\\
&= \frac{f (h_2) - f (h_1) r^p}{1 - r^p}
+ g_{p+1} \frac{r^p}{1 - r^p} \left( 1 - r \right) h_1^{p+1}
\\
&= \frac{f (h_2)}{1 - r^p}
- \frac{f (h_1) r^p}{1 - r^p}
+ g_{p+1} \frac{r^p}{1 - r^p} \left( 1 - r \right) h_1^{p+1}
\\
&= \frac{f (h_2)}{1 - r^p}
+ \frac{(1 - r^p) f (h_1) - f (h_1)}{1 - r^p}
+ g_{p+1} \frac{r^p}{1 - r^p} \left( 1 - r \right) h_1^{p+1}
\\
&= f (h_1) + \frac{f (h_2) - f (h_1)}{1 - r^p}
+ g_{p+1} \frac{r^p}{1 - r^p} \left( 1 - r \right) h_1^{p+1}
\\
&= f (h_1) + \frac{f (h_1) - f (h_2)}{r^p - 1}
+ g_{p+1} \frac{r^p}{1 - r^p} \left( 1 - r \right) h_1^{p+1}
\end{align}
であるから,
\begin{align}
F
&= f (h_1) + \frac{f (h_1) - f (h_2)}{r^p - 1}
+ \mathcal{O} (h_1^{p+1})
\end{align}
より,厳密解$F$を推定することができる.
終わりに
2つのデータ(数値解)$(f (h_1), f (h_2))$から,その厳密解$F$を推定することができる,なんて,かなり強力な気がするが,実際,本当に使えるのだろうか?
この辺りは,やってみないと分からない.なお,未だ,GCIの具体的な手続きは理解していない.
一先ず,Richardson補外の概念は理解できたつもりである.また,漸近展開という言葉を知れたのも良かった.